Spørger man en sprogmodel om anbefalinger inden for en branche, kommer der navne ud. Nogle virksomheder nævnes ofte, andre aldrig. Det er ikke tilfældigt, og mekanismen ligner den klassiske søgemaskine mere end den adskiller sig fra den.
To kilder til det modellen ved
En del stammer fra træningsdata: tekst indsamlet fra nettet, hvor en virksomhed enten optræder eller ikke gør. En anden del stammer fra det modellen henter live, når den har adgang til søgning. I begge tilfælde er forudsætningen den samme. Der skal findes tekst andre steder end på virksomhedens eget website.
Omtalen vejer tungere end linket
Her er den vigtigste forskel fra klassisk SEO. En sprogmodel læser sætningen, ikke hyperlinket. Bliver en virksomhed nævnt ved navn i en sammenhæng der beskriver hvad den laver, tæller det, uanset om der er et klikbart link. Et link uden omgivende tekst, for eksempel i en liste, giver til gengæld ikke modellen noget at arbejde med.
Konsekvensen er, at anker-teksten betyder mindre og konteksten mere. En sætning som forklarer hvad virksomheden er kendt for, gør mere end tyve katalogindførsler med firmanavnet som anker.
Konsistens på tværs af kilder
Modeller vægter det der gentages. Beskrives en virksomhed ens på ti forskellige sites, bliver den beskrivelse til det modellen svarer. Er beskrivelserne indbyrdes modstridende, bliver svaret vagt eller helt udeladt. Det er et argument for at bruge den samme formulering af hvad man laver, hvor man end skriver det.
Overlappet med linkbuilding
I praksis er arbejdet det samme som at bygge links, bare med vægten flyttet fra ankeret til teksten omkring det. Værktøjer på området, for eksempel The Linkbuilding Hub, katalogiserer hvor man kan få den slags omtaler placeret, og det er de samme steder der tæller i begge sammenhænge.
Hvad der ikke virker
Forsøg på at instruere modeller gennem skjult tekst på egen side har ingen dokumenteret effekt og er let at opdage. Det der virker, er kedeligt: at blive omtalt af nogen andre, i en tekst der giver mening.